基于健康大数据的互联网医院助力实体医院发展的若干实践研究

魏志刚，刘小庆，魏燕飞

（江西省第五人民医院，江西 南昌 330046）

1 健康大数据应用

1.1 互联网医院

在互联网医院中健康大数据的应用主要表现在在线导诊与健康数据监测方面，在实体医院数据、互联网数据的基础上，建立大数据分析计算模型，并与智能设备厂商合作，通过企业的数据分析处理平台，对智能设备与互联网数据进行分析，识别患者的需求，为其匹配医生并提供有效的服务，在健康数据监测的帮助下，为患者提供有针对性的健康解决方案[1]。

1.2 慢病管理

通过健康大数据的应用，建立患者电子病历、健康档案等数据库，分析针对慢病患者可能出现的一切危险因素，构建慢病风险评估模型，对危险因素指标进行综合分析，根据高危人群发病概率的判断为慢病患者提供帮助，使慢病患者能够进行自我评估、改善生活方式等，并通过大数据分析技术与设备的使用，对慢病患者的数据进行获取、跟踪等，预警慢病患者发病的风险与可能性，开展个性化治疗。

1.3 辅助诊疗

健康大数据在辅助诊疗方面主要表现在智能诊断与疾病预测，在医院数据知识库构建的基础上，与相关的电子病历、健康档案数据等相结合，积极引入数据挖掘技术，分析数据中心检查结果、疾病症状与用药信息的联系，构建预测疾病系统，对患者进行有效的疾病预测，在医疗数据、图片与准假标注样本数据的基础上，采取技术识别与处理医学影像。

2 大数据平台

我国使用的大数据平台主要是在Hadoop技术的基础上构建，如图1所示，包括数据应用层、数据分析层、编程模型层、数据存储层、数据传输层、数据来源层。大数据平台相关技术主要包括大数据处理技术、存储技术、分析技术等，可通过批处理技术处理静态数据，利用流处理技术处理实时数据，混合式处理技术可同时处理两方面数据，存储技术是通过分布式文件系统、关系型与非关系型数据库运行，数据分析技术对数据进行挖掘，再利用语义分析计算模型对数据进行分析与处理[2]。在互联网医院中可在大数据平台上开展在线诊疗等活动，有利于提升互联网与实体医院的诊疗水平。

图1 大数据平台架构

3 传统数据对互联网医院的制约因素

3.1 数据移动成本较高

传统数据库在传输数据的过程中，数据移动次数较多，需经过数据采集、集中存储、组织数据、取出并分析数据等环节，针对小数据量时易于接受，但当前健康大数据量较多，且互联网医院需求较多，因此数据移动成本较高。

3.2 数据变化反映能力较差

传统数据库在解决主题变化时需将整个流程进行修改，再重新加载数据，但在此过程中，计算数据与时间成本较高，比较适合数据质量高、主题变化少的数据分析模式，当面临互联网医院中的健康大数据分析时，反应能力不足，且健康大数据应用主题变化较大，数据呈现多样性。

3.3 硬件设备成本增加

传统数据库的硬件设备对存储分析环节的要求较高，随着健康大数据量与设备成本的增长，其分布式存储计算架构可采用大量高性能的计算机分布式存储计算集群，成本较低。

4 基于健康大数据的互联网医院分析数据流程

4.1 数据采集

通过大数据平台中数据交换平台能够实现数据采集工作，并结合“江西省人口健康信息平台”“江西省预约挂号平台”“江西省检验检查平台”，接入方式较为多元化，按照系统的交换需求与特征进行选择，数据采集主要分为文档与中间库两种。第一，基于文档的数据采集主要是按照节点规范格式进行，调用Web Service将交换文档进行上传，大数据平台再对文档格式、信息等进行审核与反馈，此方式具备实时的数据采集特征，可扩展性较强，维护成本低，但若采集数据内容较多，将会为交换服务器带来影响。上传方式主要分为接入节点上传文档、上传文档库中数据与数据转换文档格式上传，包括PDF、XML等任何格式的文档。第二，基于中间库的数据采集是将中间库作为介入节点的交换环节，其安全性、数据传输效率与实时性较强，工作量较少，流程简单。

4.2 数据整合

数据整合主要包括数据预处理与存储两种操作。第一，数据预处理是对健康大数据的元数据进行分析与预处理操作。首先要进行数据清洗，对缺失的数据值与噪声数据进行填充与处理。其次利用数据集成整合多个数据源，对其进行抽取缓存、转换与分析等，完成相对应的数据集成转换工作，另外利用数据规约，在压缩数据集的同时保持数据完整性，主要包括数量规约、数据压缩与维规约三类；最后进行数据变化，利用数据规范化、数据聚集、属性构造与离散化等形式，消除原始数据在类型与格式方面的差异性。第二，数据存储，传统数据库的存储模式不足，因此采取底层文件系统、HDFS接口与外部调用，能够有效存储数据集。在数据清洗的过程中，主要针对检查与检验项目，分析其患者，在此过程中要将类似结构进行区分，明确检查检验项目。

4.3 数据分析

数据分析环节主要包括数据分析与数据计算，在分析过程中采取查询医疗数据集SQL方式与挖掘分析医疗数据集方式，如Pig分析方式与分类挖掘等。数据计算主要是采取分布式计算方式计算健康大数据，提升计算效率。在数据分析过程中主要以治疗方案为例，通过互联网医院系统整合患者医疗数据，建立治疗分析与患者诊断、检查等方面的统计模型，指导医生根据此决定治疗方案，将患者特征输入模型中，与数据进行比对与分析，如图2所示。具体数据分析过程包括患者分类与确定治疗方案，在患者分类环节可通过层次聚类分析法分类，主要分为大部分治疗、前期治疗、后期治疗均在本医院进行与其他类别，再根据K均值聚类法进行聚类，比较利差平方和，根据患者不同特征制定治疗方案。在此过程中，数据分析应用能够利用数据挖掘方法有效分析健康发数据在互联网医院中数据的规律，起到辅助治疗的作用。通过IDMapping、数据清洗，标签建模等大数据技术，为患者建立一份完整的电子病历健康档案，解决患者描述不清病史，医师无法准确掌握患者病情的情况。

图2 治疗方案选择数据分析模型

4.4 数据应用

数据应用主要通过人机交互接口对数据分析结果进行应用，例如，互联网医院中可通过数据分析的可视化结果查阅数据的统计分析结果，医生可通过输入患者数据方式对比最优治疗方案的分析结果，选择符合患者需求方案。以上通过对患者诊断、用药、检验检查等数据，结合物联网监测跟踪患者情况，进行大数据分析，实现智能干预，加大患者依从性的AI慢病管理。

5 互联网医院助力实体医院发展的实践对策

5.1 创新医院业务流程

互联网医院的具体业务流程设计患者、医生、医院等多方参与，形成完整的诊疗过程。首先患者可通过互联网医院平台、App等方式进行注册并登录，填写基本信息进行挂号或者预约挂号，挂号时要填写就诊人的姓名、身份证、具体病情等内容，支付成功后等待医生进行问诊，可采取文字、语音、图片等方式与医生沟通，还可为医生发送检查结果，沟通后患者可根据医生给出的诊断建议评价医院服务的满意度。医生在问诊后要建立患者健康档案，通过ID-Mapping、数据清洗、标签建模等技术建立健康档案，并通过AI导诊的方式为患者智能化分配医生，对就诊全过程进行监测。医生还需写处方，主要内容为检验检查、诊断信息、医嘱等，问诊后发送给患者，患者可根据处方购买药品，或者到实体医院进行检查等。就诊过程中的记录、视频录像以及电子处方都会被保存，形成云病历，保存在医院中，以便在下次就诊时协助医生进行诊治。

5.2 医院系统平台技术架构

互联网医院系统架构分为五个层次。第一层为基础服务层，可通过网络与计算机设施集成医院系统软件，建设网络系统与多媒体设备等，可为互联网医院的数据采集、处理、存储与挖掘奠定基础，通过多源异构数据的集成与融合开发新型数据库系统，存储健康数据。第二层为数据服务层，将健康数据分为线上与线下数据，通过数据交换实现数据共享，利用Hadoop并行计算模式，坚持“先分后和”的原则，对海量数据进行计算与处理，收集医疗数据后对其进行预处理、存储与挖掘，在互联网医院实践过程中应用数据，提升医疗的精准性，实现结构化存储的数据管理服务，对线上数据进行分类，可利用检查数据库模式开展，进行数据的结构化存储，实现医疗资源的共享。第三层为公共服务层，通过建设基础层实现对业务数据服务、数据管理服务等服务的组件化，整合与管理相关应用组建，充分发挥功能模块的作用。第四层为业务应用层，将互联网医院系统分为图文资源、视频问诊、电子处方等多个应用体系，还可根据实体医院管理模式设置实体医院中的检验流程、建档流程等应用体系。第五层为展现层，通过医院官方设置互联网医院App、微信等方式，为患者提供多元化的医疗服务。

5.3 互联网医院的管理与应用

在健康大数据背景下，可通过互联网医院对实体医院的医疗业务与患者进行分流，进而提升医疗能力。在我院实践互联网医院后，已经开通了多门科室的线上问诊，并成立互联网医院诊间，实现对互联网医院的规范运营管理，引导患者进行就诊，并加强培训医生的力度，在重点科室中实现一对一线上问诊，线上问诊人数呈增长趋势。

6 结束语

综上所述，通过对患者就诊全过程监测，对健康数据进行专业化处理，助力医院管理及运营决策。为了满足社会的发展，通过互联网优化医院的就医与诊疗流程，实现资源的合理配置，提升医院的服务质量，利用大数据技术改善患者的就诊体验，为患者提供更便捷的医疗服务。■